Probability Density Estimation by Decomposition of Correlation Integral

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F08%3A00310679" target="_blank" >RIV/67985807:_____/08:00310679 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
Probability Density Estimation by Decomposition of Correlation Integral
Original language description
We show that correlation integral can be decomposed into functions each related to particular point of data space. For these functions one can use similar polynomial approximations as for the correlation integral. Essential difference is that value of exponent, which would correspond to correlation dimension, differs in accordance to position of point in question. Moreover we show that multiplicative constant represents probability density estimation at that point. This finding is used for constructionof a classifier. Tests with some data sets from Machine Learning Repository shows that this classifier can be very effective.
Czech name
Odhad hustoty pravděpodobnosti rozkladem korelačního integrálu
Czech description
Ukazuje se, že korelační integrál lze rozložit na funkce, z nichž každá se vztahuje k určitému bodu prostoru dat. Pro tyto funkce lze použít podobnou polynomiální aproximaci jako pro korelační integrál. Podstatný rozdíl je v tom, že hodnota exponentu, který odpovídá korelační dimenzi, záleží na pozici příslušného bodu. Dále platí, že multiplikativní konstanta představuje hustotu pravděpodobnosti. Tento poznatek je použit pro návrh klasifikátoru, přičemž z testů na datech z UCI MLR vyplývá, že tento klasifikátor může být velmi efektivní.

Publication year
2008
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Similar results(10)